Nungi-Pambu Maïalicah. 2022. Utilisation des drones comme étape intermédiaire pour la cartographie de la végétation à l'échelle nationale : exemple du Sénégal. Montpellier : AgroParisTech, 52 p. Mémoire de master 2 : Systèmes d'informations localisées pour l'aménagement des territoires (SILAT) : AgroParisTech
![]()
|
Version publiée
- Français
Utilisation soumise à autorisation de l'auteur ou du Cirad. MemoireThesePro_MS-SILAT2021-22_NUNGI-PAMBU_Maïalicah_221107.pdf Télécharger (3MB) | Prévisualisation |
Encadrement : Taugourdeau, Simon
Résumé : L'apport de l'imagerie drone pour la cartographie de la végétation s'est révélé un atout essentiel en servant de tremplin pour l'étude à grande échelle. Cette étude avait pour objectif de tester le potentiel des images drones à réaliser la cartographie de la biomasse à l'échelle du Sénégal. Ce travail s'est déroulé en deux phases, à savoir : (i) la réalisation des cartes de biomasse à partir des images drones puis (ii) le changement d'échelle pour produire une carte de biomasse à l'échelle nationale. La réalisation des cartes biomasse herbacée et ligneuse foliaire, à partir des images drones, a été rendu possible en utilisant respectivement la famille des modèles de régression random forest (R2=0,60) et stepwise (R2=0,35). Quant à la régression stepwise (R2=0,50) qui a servi pour estimer la biomasse à l'échelle nationale, elle a utilisé deux indices (NDVI et MSAVI 2) issues d'une image composite de Sentinel 2. L'objectif de notre étude a été atteint, bien que certains verrous soient à souligner. Il s'agit entre autres de la fusion de certaines couronnes d'arbres lors de la segmentation en un seul polygone, puis la présence des nuages sur les mosaïques mensuelles Sentinel 2. Ces deux principales limites étaient à l'origine du choix du modèle stepwise quoi que le modèle random forest ait été plus performant lors de notre étude. Pour pallier ce problème et augmenter la précision du modèle il serait intéressant de tester dans le cadre des études futures l'apport du capteur infrarouge et d'utiliser des mosaïques mensuelles Planet.
Résumé (autre langue) : The use of UAV imagery for vegetation mapping has proven to be a key tool in providing a springboard for large-scale assessments. The aim of this study was to test the potential of UAV imagery for biomass mapping in Senegal. This work was carried out in two phases: (i) the production of biomass maps from UAV images and (ii) the change of scale to produce the biomass map at the national scale. The production of herbaceous and woody leaf biomass maps from UAV images was made possible by using the random forest (R2=0.60) and stepwise (R2=0.35) regression models respectively. The stepwise regression (R2=0.50) used to estimate biomass at the national scale used two indexes (NDVI and MSAVI 2) from the Sentinel 2 composite image. The objective of our study was achieved, although some limitations should be highlighted. These include the merging of some tree crowns during the segmentation into a single polygon, and the presence of clouds on the Sentinel 2 monthly mosaics. These two main limitations were the reason for choosing the stepwise model, although the random forest model performed better in our study. To overcome this problem and increase the accuracy of the model, it would be interesting to test the contribution of the infrared sensor and to use monthly Planet mosaics in future studies.
Mots-clés libres : Drone, UAV, Senegal
Auteurs et affiliations
- Nungi-Pambu Maïalicah, AgroParisTech (FRA)
Source : Cirad-Agritrop (https://agritrop.cirad.fr/602811/)
[ Page générée et mise en cache le 2023-11-09 ]